Wie KI die Herausforderung unstrukturierter Daten in Schadensfällen meistert

Die Schnittstelle zwischen intelligenter Automatisierung und KI-Schadenregulierung stand im Mittelpunkt der Jährliche Bildungskonferenz der International Claim Association fand kürzlich in San Diego, Kalifornien, statt.

Im Rahmen der Podiumsdiskussion „The Data Age: Drive Informed, Consistent Risk Management Outcomes by Capturing Key Disability with Intelligent Digital Automation“ stellten Schadenmanager von Reliance Standard Life und Securian Financial Technologiefragen an Führungskräfte von FastTrack, einem führenden Anbieter von Automatisierungstechnologien für Schäden und Versicherungen, und EvolutionIQ.

Von besonderem Interesse für das Publikum war die Art und Weise, wie künstliche Intelligenz der nächsten Generation nun in der Lage ist, Schadenteams dabei zu helfen, die großen Mengen komplexer Daten in jedem Schadensfall voll auszuschöpfen. Eine Reihe von Fragen aus dem Publikum löste eine lebhafte Diskussion darüber aus, wie KI sich überschneidende medizinische Codes und Komorbiditäten verstehen kann, wie sie die Gesprächsnotizen in einer Schadensakte lesen und daraus Erkenntnisse gewinnen kann und wie KI dies dann nutzen kann, um den Verlauf von Schadensfällen vorherzusagen.

Michael Saltzman, COO und Mitbegründer von EvolutionIQ, erklärte den Teilnehmern: „Das maschinelle Lernen in der Schadenmanagement-Software findet historische Muster und versteht nicht nur den Kontext, sondern auch Ursache und Wirkung. Vor allem bietet das System eine unübertroffene Fähigkeit, unstrukturierte Daten zu lesen, wie z. B. die ausführlichen Notizen eines Arztes zu einem Antrag, die Notizen eines Prüfers, die während eines Gesprächs mit Experten oder dem Antragsteller gemacht wurden, rechtliche Hinweise und andere Informationen, die in Form von Notizen vorliegen. Das Ergebnis ist, dass es riesige Datensätze in Echtzeit analysiert, um die Genesung wie ein medizinischer Experte nachzuvollziehen und Ergebnisse mit einer Genauigkeit von 95 Prozent vorherzusagen. Der KI-Partner gibt dann Handlungsempfehlungen aus und erklärt sie den Versicherungsprüfern und Sachverständigen an vorderster Front, sodass sie zur richtigen Zeit zum richtigen Schadensfall geführt werden. Anschließend wiederholt es den Prozess täglich, um die Schadensfälle mit der größten Auswirkung zu priorisieren, sodass sofort Maßnahmen ergriffen werden können.

Wie Mike erklärte, haben selbst die erfahrensten Prüfer und Gutachter aufgrund der komplexen Falldaten und des Fehlens von Fallansichten in Echtzeit Schwierigkeiten, Anträge zu identifizieren, die sofort bearbeitet werden können, wenn neue Daten in das System gelangen. Eine zentrale Herausforderung besteht darin, dass die Daten sowohl strukturierte medizinische Daten (die an einer ordnungsgemäß beschrifteten Stelle in einem Kernsystem oder einer Tabelle zu finden sind) als auch schwer zu analysierende unstrukturierte Daten zu Körperverletzungen und medizinischer Genesung (die umfangreichen medizinischen und rechtlichen Hinweise zu jedem Antrag) enthalten.

In der Lage zu sein, unstrukturierte Daten zu finden, zu interpretieren und darauf zu reagieren, ist besonders wichtig, da in jedem Anspruch durchschnittlich 2,5 medizinische Codes in strukturiertem Format enthalten sind, aber es gibt im Durchschnitt 14,5 Codes, die für den Anspruch relevant sind und in unstrukturierten Konversationsnotizenformaten versteckt sind, die Seiten lang sein können. Das ist es, was die KI für die Verarbeitung natürlicher Sprache leistet.

Mit diesen datenreichen Erkenntnissen und dem institutionellen Wissen aus der Untersuchung von Zehntausenden historischer Schadensakten ist die KI dann in der Lage, Schadenverläufe mit hoher Genauigkeit vorherzusagen. Dies wiederum hilft Prüfern und Sachverständigen, von Ansprüchen abzuhalten, die reibungslos bearbeitet werden, und hin zu Ansprüchen, für die sofortige Maßnahmen von Vorteil sein könnten.

Dies ist kein zukünftiger Stand der Technologie, fügte Mike hinzu. Netzbetreiber und TPAs verwenden diese Technologie jetzt. Sie verbessert den Prozess der Schadenbearbeitung auf ganzer Linie, verkürzt die Dauer und erhöht die Zufriedenheit der Antragsteller.

‍